Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Analyse quantitative > cours 4 et 5 > Flashcards

cours 4 et 5 Flashcards

1
Q

Qu’est ce qu’une distribution normale?

A

C’est une distribution qui décrit un grand nombre de phénomènes dans la nature, beaucoup de caractéristiques physiques, sociologiques et psychologiques et qui est unimodale, symétrique et non aplatie.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Vrai ou faux, on effectue des tests paramétriques dans le cas d’une distribution normale, puis des tests non paramétrique dans le cas d’une distribution anormale.

A

Vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Quelles sont les étapes pour déterminer la densité / probabilité de n’importe quelle valeur?

A

1.Calculer la moyenne et l’écart type de la distribution 2. Transformer la valeur qui vous intéresse en score z; 3. Trouver la valeur z dans le tableau de la densité;
Lire la valeur correspondante immédiatement à droite (larger portion) Il s’agit de la proportion des observations qui sont égales ou inférieures à cette valeur En soustrayant de 1, nous obtenons la proportion des observations qui lui sont supérieures.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Comment calculer une valeur X (exemple note à l’examen) à partir d’un percentile, une moyenne et un écart type

A

1.À partir du percentile, trouver la densité dans le tableau.
2.Trouver le score z correspondant.
3.Calculer le score en valeur originale
X = (Z * S) + M

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Comment savoir si une observation est rare ou fréquente?

A
  1. Trouver la densité pour l’observation.
  2. Calculer la densité supérieure à cette observation.
  3. La densité supérieure est la probabilité qu’elle soit rare. Si la probabilité est petite, l’observation est rare.
    Un évènement est rare lorsqu’il apparait moins que 5% des fois dans une distribution.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Que présente une population?

A

Elle présente la VÉRITÉ ABSOLUE d’un phénomène naturel. Attention: il faut que la mesure soit valide!

En effet, la vérité est obtenue à partir de la mesure. Si la mesure porte à faire des erreurs, ce sera une vérité absolue, mais faussée (validité / fidélité).
La population est donc, en termes statistiques, l’ensemble d’unités généralisé par un modèle statistique (par un échantillon)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Qu’est ce qu’un recensement?

A

Lorsque l’on prend une mesure à partir d’une population
ex :
- Temps requis pour terminer un programme de baccalauréat à l’UdeM
- La note moyenne des étudiants à l’examen mi-session du cours PSY 1004

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Est-il vrai de dire que, dans la plupart du cas, il est quasi impossible de mesure une population entière? élabore

A

Oui, c’est vrai, exemple, dans le cas ou on voudrait mesurer :
- Le degré de motivation des formations en statistique
- Le salaire de la population québécoise

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Qu’est ce qu’un échantillon?

A

Ce sont les informations concernant un phénomène obtenues sur une PARCELLE des observations réelles (existantes). C’est donc l’information disponible au sujet d’un phénomène.

L’échantillon représente une estimation d’un phénomène dans la population et peut être directement mesurable.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Qu’est ce que l’inférence statistique?

A

L’inférence consiste à tirer une conclusion au sujet des caractéristiques de la population (qui sont inconnues) à partir des caractéristiques de l’échantillon (qui sont connues)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Que veut dire le terme paramètre et le terme statistique?

A

Le terme paramètre est utilisé pour décrire les caractéristiques de la distribution de la population. (distribution dans un graphique)

Le terme statistique est utilisé pour décrire les caractéristiques d’un échantillon OU de la distribution de la population, par l’intermédiaire d’une inférence.

Les paramètres sont décrits avec des lettres de l’alphabet grec
Les statistiques sont décrites avec des lettres de l’alphabet latin;

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Que veut-on dire par caractéristique d’une distribution?

A

Les caractéristiques de la distribution d’une population ou d’un échantillon sont entre autres sa moyenne, sa variance, son écart-type, son asymétrie et son aplatissement, etc.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Vrai ou faux, une estimation implique une probabilité.

A

Vrai, d’ailleurs, lorsque nous faisons une estimation, il est possible de faire une erreur : une erreur d’inférence.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Vrai ou faux, les statistiques issues de l’échantillon permettent de faire une inférence au sujet des paramètres de la population

A

vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Vrai ou faux, la distribution d’un échantillon représentatif devrait ressembler à la distribution de la population (au niveau de la forme et les caractéristiques de la distribution)

A

vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Nomme une incertitude permanente associé aux échantillons.

A

Ce ne sont pas toutes les personnes concernées d’une population qui sont prises en considération.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Nomme 3 critères de validité de l’échantillon.

A
  1. La taille de l’échantillon
  2. Le critère de la chance égale
  3. Le critère de l’indépendance des réponses
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Qu’est ce que le critère de la chance égale?

A

Le fait que chaque individu de la population a une chance égale d’être choisie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Vrai ou faux, la relation entre la taille de l’échantillon et la représentativité n’est pas linéaire

A

Vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Qu’est ce que l’indépendance des réponses (des scores)?

A

La réponse d’une personne ne peut pas être influencée par la réponse d’une autre personne
ex : Le vote secret VS le vote à main levée en présence d’un dictateur

21
Q

Quelle signe représente la moyenne, l’écart - type et la variance?

A

moyenne : µ / X (avec barre en haut)
écart - type : rond / ou S
variance : rond 2 / s2 (au carré)

22
Q

Les formules de l’écart - type en statistique et des paramètre sont différente à cause du n - 1, qu’est ce que ça représente?

A

Le degré de liberté, La division par 𝑛 − 1 produit un estimé non biaisé de l’écart-type de la population (rond) à partir de l’écart-type de l’échantillon (s) étant donné que :
1. variance de l’échantillon est plus petite que la variance de la population puisque l’échantillon exclue bcp de score extrême. n – 1 compense ce biais en exagérant légèrement la variance de l’échantillon, ce qui produit une meilleure estimation de la variance de la population.

23
Q

L’inférence statistique exige le respect du critère d’indépendance pour toutes les observations d’une distribution. Pourtant, il y a une des différences qui n’est jamais indépendante, quelle est la solution?

A

Pour estimer la variance sans biais, nous retirons une observation, toutes les observations restantes sont maintenant indépendantes, telles que l’exige la règle de la randomisation.

24
Q

Vrai ou faux, la correction fait par les degrés de liberté est extrêmement importante lorsque les échantillons sont de petite taille

A

Vrai

25
Q

La méthode scientifique repose sur trois concepts centraux, lesquels?

A

La théorie : une représentation de la réalité.
L’hypothèse: Une conséquence observable qui sera vraie si la théorie est juste.
La vérification de l’hypothèse: Un ensemble de procédures logiques qui vérifient si l’hypothèse a une bonne ou une mauvaise chance d’être vraie.

26
Q

Qu’est ce qu’une théorie?

A
  1. Une représentation de la réalité
  2. Elle permet de faire des prédictions observables
  3. Doit être testable
    Ex.: La théorie de l’attachement
27
Q

Qu’est ce qu’une hypothèse (h1) ?

A

L’hypothèse (H1) prédit que quelque chose est vrai dans la population, mais n’ayant pas accès à la population, l’hypothèse se vérifie par l’entremise des échantillons et des inférences.
ex : H1 = La violences conjugales influence l’attachement des jeunes enfants

28
Q

Qu’est ce que l’hypothèse nulle?

A

dire l’inverse de l’hypothèse
H1 : la terre est ronde
hypothèse nulle : la terre n’est pas ronde

29
Q

En quoi consiste la vérification de l’hypothèse?

A

C’est d’accepter ou de rejeter l’hypothèse

30
Q

Vrai ou faux, l’hypothèse est synonyme de hypothèse alternative (H1)

A

Vrai, l’hypothèse devient l’hypothèse alternative vu qu’on teste l’hypothèse nulle. Il peut y avoir plusieurs hypothèse nulle.

31
Q

Vrai ou faux, le non-rejet de H0 ne prouve pas que H1 est fausse. On ne peut juste pas accepter l’hypothèse nulle

A

Vrai, le rejet de H0 mène à l’acceptation de H1,
MAIS l’inverse n’est pas le cas!

32
Q

Vrai ou faux, nous ne pouvons jamais prouver qu’une H1 est fausse (que le phénomène n’existe pas) à partir d’un échantillon. Pour prouver que quelque chose n’existe pas, il faut examiner la population complète, ce qui est généralement irréalisable.

A
33
Q

Vrai ou faux, lorsque nous rejetons H0, nous concluons que l’échantillon ne provient probablement pas de cette population et lorsque nous ne rejetons pas H0, nous concluons qu’il n’y a pas de preuves que l’échantillon ne provient pas de cette population.

A

Vrai

34
Q

Vrai ou faux, lorsque nous trouvons une différence statistiquement significative entre la performance scolaire des filles et des garçons, nous inférons qu’il y a de faibles chances qu’au niveau de la population la différence entre les filles et les garçons soit égale à zéro

A

Vrai

35
Q

Qu’est ce que l’erreur d’échantillonnage?

A

La fluctuation naturelle (différence) qu’il peut y avoir entre les échantillons tirés de la même population, c’est-à-dire que différents échantillons extraits de la même population ne sont pas nécessairement composés des mêmes observations.

36
Q

Qu’est ce que l’erreur type de la moyenne?

A

La fluctuation naturelle entre les moyenne des échantillons tirés de la même population. La moyenne des échantillons extraits de la même population ne sera pas nécessairement numériquement la même.
L’erreur d’échantillonnage et l’erreur type de la moyenne réfèrent au même principe

37
Q

Qu’est ce que le principe d’inférence nuancé?

A

Le rejet de H0 lorsque la différence entre la moyenne des échantillons est plus grande que l’erreur type de la moyenne. Donc quand la différence entre les populations est plus grande que la différence dans la population

38
Q

Vrai ou faux, le fait d’accepter ou non une hypothèse se basent sur des probabilités et non pas des certitudes et donc la conclusion (H1 ou H0) pourrait être fausse.
Une conclusion fausse serait une erreur : une erreur d’inférence

A

Vrai

39
Q

Qu’est ce que l’erreur du type 1?

A
  • Conclure qu’un phénomène existe alors qu’il n’existe pas
  • Conclure qu’il existe une différence entre deux moyennes, un lien entre deux variables (etc.) alors qu’en réalité il n’existe pas de différence ou de lien
  • Conclure à tort au rejet de H0
    Il s’agit donc d’un faux positif
40
Q

Qu’est ce que l’erreur du type 2?

A
  • Conclure qu’un phénomène n’existe pas alors qu’il existe
  • Conclure qu’il n’existe pas de différence entre deux moyennes, aucun lien entre deux variables (etc.) alors qu’en réalité la différence ou le lien existe
  • Conclure à tort au non-rejet de H0;
    Il s’agit d’un faux négatif
41
Q

Qu’est-ce qui influence l’erreur type?

A

L’erreur type est influencée par:
1. La variance de la population : plus grande est la variance, plus grande est l’erreur d’échantillon et l’erreur type de la moyenne
2. le nombre de l’échantillon: Plus la taille de l’échantillon est grande, plus l’erreur l’échantillonnage est petite

42
Q

Vrai ou faux, le rejet de H0 est lorsque la différence entre la moyenne des échantillons (ou entre 𝛸 et rond) est plus grande que l’erreur type de la moyenne.

A

Vrai, ça voudrait dire que l’échantillon n’appartient pas à cette population

43
Q

Vrai ou faux, si ligne rouge (u) est à l’extérieur de l’intervalle, il faut accepter H1 (rejet h0) . L’échantillon est trop différent de u, mais si ligne rouge (u) est à l’intérieur de l’intervalle, on ne rejete pas H0

A

vrai

44
Q

Vrai ou faux, dans la distribution des échantillons aléatoirement extraits d’une population normale, 68,26 % des échantillons se trouverons a ± 1
(Loi de la normale)

A

Vrai, il y a donc beaucoup de chance de se tromper

45
Q

Vrai ou faux, Si 𝛸 tombe à l’extérieur de l’IC, la différence 𝛸 - u n’est pas dû à l’erreur d’échantillonnage, donc nous rejetons H0.

A

vrai

46
Q

Vrai ou faux, on rejete H0 lorsque le risque d’une erreur est plus petit de 5 % (a < 0,05)

A

vrai

47
Q

Comment réduire les risques d’une erreur du type 1?

A
  • En augmentant l’erreur type de la moyenne (s )
  • En choisissant un seuil alpha plus petit (0,01 plutôt que 0,05)
  • En réduisant le nombre d’observations n
48
Q

comment savoir quelle risque d’erreur réduire entre l’alpha (type 1) et le béta (type 2)

A

Si la conséquence de faire une erreur de type II est plus grave que la conséquence d’une erreur de type I, réduisons l’erreur bêta (et vice versa)

Analyse quantitative (8 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions